检索历史 清除

摘要肺癌成为中国第一位癌症死因，并且也是全球死亡率最高的癌症。经过临床诊断显示，肺癌患者的五年生存率很大程度上取决于被发现时是早期还是晚期，罹患肺癌的病人越早被发现并被治疗其五年存活率就越高。然而，肺癌早期往往没有明显临床表现，肺癌患者大多数被诊断出癌症时就已经是晚期，丧失最佳治疗机会。因此，肺癌早期诊断至关重要。<br>　　影像学医师通过肉眼观察来诊断肺癌的最基本依据就是胸腔CT影像。随着CT技术的发展，CT图像的分辨率越来越高，被发现的肺结节越来越小，虽然给医师提供了更详细的组织信息，但也使他们得工作量大大加重，医师长时间阅片会视觉疲劳、无法集中注意力，造成误判和漏判。近年来，计算机辅助诊断系统（ComputerAidedDiagnosissystem，CADs）飞速发展，一定程度上缓解了医师的压力，其中深度学习的兴起为肺结节检测研究带来一种新的思路，不过目前现有的肺结节检测方法存在准确率不足，假阳性率过高等问题。<br>　　针对以上问题，本文提出了一种基于改进FasterR-CNN的肺结节检测算法和基于模型集成的多维度假阳性去除算法。<br>　　具体的工作如下：<br>　　（1）针对目前已有的肺结节检测算法准确率不高的问题，对FasterR-CNN进行改进，首先将原模型中的VGG16网络替换为残差网络，并添加Inception模块来优化特征提取网络。接着引入一种多特征融合的特征金字塔结构FPN（FeaturePyramidNetwork，FPN）对底层特征图的位置信息和高层特征图的语义信息进行融合，获得同时具有位置信息和语义信息更加丰富的特征图，再对RPN网络中的锚框尺寸进行修改，使生成结节候选框时更加高效。在公共数据集LIDC-IDRI上，该方法达到了89%的准确率。<br>　　（2）针对肺部CT图像结节检测任务中假阳性率过高的问题，本文提出一种基于模型集成的多维度假阳性去除算法，具体是设计了一个二维二分类模型和一个三维二分类模型，并将这三个模型进行模型集成，可以充分利用结节空间上下文信息。非结节三维图像中清楚地显示为非球形的线性结构，这使我们能够很好地将结节与假阳性区分开。该模型在公共数据集LUNA16上的准去率为93.81%。实验结果显示，基于模型集成的多维度假阳性去除算法可以有效的降低假阳性，提高模型准确率。